CN115424151A - 一种基于图像处理的农业智能平台 - Google Patents
一种基于图像处理的农业智能平台 Download PDFInfo
- Publication number
- CN115424151A CN115424151A CN202211126275.0A CN202211126275A CN115424151A CN 115424151 A CN115424151 A CN 115424151A CN 202211126275 A CN202211126275 A CN 202211126275A CN 115424151 A CN115424151 A CN 115424151A
- Authority
- CN
- China
- Prior art keywords
- image
- crop
- condition
- module
- image acquisition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000012545 processing Methods 0.000 title claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 18
- 201000010099 disease Diseases 0.000 claims abstract description 15
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 14
- 235000015097 nutrients Nutrition 0.000 claims abstract description 12
- 230000007812 deficiency Effects 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 238000010191 image analysis Methods 0.000 claims abstract description 9
- 239000000463 material Substances 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 230000011218 segmentation Effects 0.000 claims abstract description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 7
- 238000009826 distribution Methods 0.000 claims description 9
- 239000000575 pesticide Substances 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 239000003337 fertilizer Substances 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 230000004048 modification Effects 0.000 abstract description 5
- 238000012986 modification Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 9
- 239000012773 agricultural material Substances 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 241000238631 Hexapoda Species 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及智能农业领域，具体涉及一种基于图像处理的农业智能平台，包括：图像采集模块，用于基于模板引导的模式完成作物图像的采集；图像预处理模块，用于实现作物图像的去噪和/分割和/增强和/复原和/深度提取和/三维重构和/拼接；图像分析模块，用于实现完成预处理后的作物图像的分析，得到目标数据；种植管理模块，用于根据当前种植地情况及可调用物资情况生成对应的种植区管理措施。本发明基于图像的采集即可实现种植区作物品种、作物生长状态、种植环境参数以及病虫害情况、养分和水分缺失情况的监测分析，为后期种植方案的修改和调整提供了参考性的意见，一定程度上提高了作物的产量和品质。
Description
技术领域
本发明涉及智能农业领域，具体涉及一种基于图像处理的农业智能平台。
背景技术
我国发展现代农业，面临着资源紧缺与资源 消耗过大的双重挑战。以信息传感设备、传感网、互联网和智能信息处理为核心的物联网将为农业生产过程中量化分析、智能决策、变量投入、定位操作的现代农业生产管理技术体系开辟新的思路和有利手段，将在农业领域得到广泛应用，并将进一步促进信息 技术与农业现代化的融合。
目前，现有的农业智能平台大多依赖布设在种植区的环境传感器组实现监测，普遍存在以下缺陷：***布置流程繁琐：需要在种植区埋设和架设大量的传感器组，以实现种植环境的监测；监测范围有限：一般地，只能实现种植环境的监测，作物生长状态，营养元素需求情况等方面均未涉及；数据不可视：一般地，都是以具体数字的模式进行数据的反馈的，种植人员需要到现场进行作物情况的查看；功能单一：只能单一的完成种植环境情况分析以及针对该种植环境应该采取哪些措施，未充分考虑目前种植区的种植状态以及可调用农资情况，从而使得所得的措施不具有可执行性。
发明内容
为解决上述技术问题，本发明提供了一种基于图像处理的农业智能平台，基于图像的采集即可实现种植区作物品种、作物生长状态、种植环境参数以及病虫害情况、养分和水分缺失情况的监测分析，为后期种植方案的修改和调整提供了参考性的意见，一定程度上提高了作物的产量和品质；同时可以根据当前种植区的种植状态以及可调用农资情况给出可执行的管理措施，从而真正的其助农价值。
为实现上述目的，本发明采取的技术方案为：
一种基于图像处理的农业智能平台，包括：
图像采集模块，用于基于模板引导的模式完成作物图像的采集；
图像预处理模块，用于实现作物图像的去噪和/分割和/增强和/复原和/深度提取和/三维重构和/拼接；
图像分析模块，用于实现完成预处理后的作物图像的分析，得到目标数据；
种植管理模块，用于根据当前种植地情况及可调用物资情况生成对应的种植区管理措施。
进一步地，图像采集模块包括自动图像采集模块和手动图像采集模块，其中，自动图像采集模块通过调用无人机基于预设的图像采集流程实现作物图像的采集，其主要用于实现种植环境、作物生长状态、病虫害情况、养分和水分缺失情况的定时评估预警；手动图像采集模块主要用于实现作物类别、病虫害类别、农药类别、肥料类别的识别分析。
进一步地，无人机在进行作物图像采集时，首先需绘制当前种植区的作物分布图，然后基于作物分布图获取到每一株作物所在的地理坐标位置，基于该地理坐标位置为每一株植物配置对应的俯视图采集坐标、前侧图采集坐标、后侧图采集坐标、右侧图采集坐标和左侧图采集坐标，其中侧图的采集倾斜角度以目标图像能最大范围覆盖整株作物为目标进行计算，最后，基于所得的采集坐标集一一完成作物图像的采集。
进一步地，手动图像采集模块运用时，用户点击对应的识别功能模块，进入图像引导采集界面，不同的识别功能模块对应不同的图像采集标准和图像采集流程。
进一步地，所述图像预处理模块根据不同的数据分析目标调用不同的图像处理算法实现图像的去噪和/分割和/增强和/复原和/深度提取和/三维重构和/拼接处理。
进一步地，还包括：
分析报告生成模块，用于定时生成对应的作物情况分析报告，基于作物情况分析报告可以获取到当前作物的整体的生长状态、病虫害情况、养分和水分缺失情况，以及濒临异常的植株所在的位置情况。
进一步地，还包括：
人工辅助模块，在用户录入的请求不包含在平台功能内时启动，根据用户的请求接通对应的人工专家，完成人工专家咨询辅助，整个咨询辅助过程采用录屏的方式采集，经预设的程序处理后，转化成图片+文本的格式储存在数据库，以备下次遇到相似的请求时，可直接调用。
本发明具有以下有益效果：
1）基于图像的采集即可实现种植区作物品种、作物生长状态、种植环境参数以及病虫害情况、养分和水分缺失情况的监测分析，为后期种植方案的修改和调整提供了参考性的意见，一定程度上提高了作物的产量和品质；
2）可以根据当前种植区的种植状态以及可调用农资情况给出可执行的管理措施，从而真正的其助农价值。
3）可以实现数据的可视、整理和关联性分析，并具有多种功能。
附图说明
图1为本发明实施例1一种基于图像处理的农业智能平台的***框图。
图2为本发明实施例2一种基于图像处理的农业智能平台的***框图。
具体实施方式
为了使本发明的目的及优点更加清楚明白，以下结合实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明实施例提供了一种基于图像处理的农业智能平台，包括：
图像采集模块，用于基于模板引导的模式完成作物图像的采集；所述的图像采集模块包括自动图像采集模块和手动图像采集模块，其中，自动图像采集模块通过调用无人机基于预设的图像采集流程实现作物图像的采集，其主要用于实现种植环境、作物生长状态、病虫害情况、养分和水分缺失情况的定时评估预警；手动图像采集模块主要用于实现作物类别、病虫害类别、农药类别、肥料类别的识别分析；本实施例中，所采集到的作物图像包括高光谱图像和普通图像；
图像预处理模块，用于实现作物图像的去噪和/分割和/增强和/复原和/深度提取和/三维重构和/拼接；具体地，根据不同的数据分析目标调用不同的图像处理算法实现图像的去噪和/分割和/增强和/复原和/深度提取和/三维重构和/拼接处理；针对自动图像采集模块所采集到的作物图像，采用自动的方式完成图像的预处理；针对手动模式的图像采集模块是需要根据当前用户录入的请求调用不同的图像处理算法的。
图像分析模块，用于实现完成预处理后的作物图像的分析，得到目标数据；不同的目标数据对应不同的图像分析模型，一般的图像分析模型采用神经网络模型；目标数据一般包括种植环境、作物生长状态、病虫害情况、养分和水分缺失情况、作物类别、病虫害类别、农药类别、肥料类别等；
种植管理模块，用于根据当前种植地情况及可调用物资情况生成对应的种植区管理措施，其中，可调用物资情况包括用户注册登录时录入的物资情况、以及用户在各大农资购物点/网站购买的农资情况，通过用户每一次农资调用情况实现物资余量的计算。
本实施例中，无人机在进行作物图像采集时，首先需绘制当前种植区的作物分布图（绘制时，用户首先录入当前种植区的尺寸数据，以所采集到的俯视图可以覆盖整个种植区，且各俯视图之间不存在重叠区域生成无人机巡检路线，然后启动无人机基于所述无人机巡检路线完成种植区的巡检，从反而获取到每一株作物所在的地理坐标位置以及对应的图像，通过对图像的分析就可以获取到作物的名称，基于此，就可以完成种植区的作物分布图的绘制了），然后基于作物分布图获取到每一株作物所在的地理坐标位置，基于该地理坐标位置为每一株植物配置对应的俯视图采集坐标、前侧图采集坐标、后侧图采集坐标、右侧图采集坐标和左侧图采集坐标，其中侧图的采集倾斜角度以目标图像能最大范围覆盖整株作物为目标进行计算（一般地，以播种时间/移栽时间为基准计算获取当前作物的理论长度，然后根据株距行距为参数进行倾斜角度的计算），最后，基于所得的采集坐标集一一完成作物图像的采集。
本实施例中，手动图像采集模块运用时，用户点击对应的识别功能模块，进入图像引导采集界面，不同的识别功能模块对应不同的图像采集标准和图像采集流程。用户通过手动图像采集模块可以获取到植物的名称、简介、种植指南等；肥料的名称、用于当前作物的建议用量以及可用的时期等；农药的名称，是否适用于当前作物的生长期，建议用量等；病虫害类型，对应当前作物的防治指南等。
实施例2
如图1所示，本发明实施例提供了一种基于图像处理的农业智能平台，包括：
图像采集模块，用于基于模板引导的模式完成作物图像的采集；所述的图像采集模块包括自动图像采集模块和手动图像采集模块，其中，自动图像采集模块通过调用无人机基于预设的图像采集流程实现作物图像的采集，其主要用于实现种植环境、作物生长状态、病虫害情况、养分和水分缺失情况的定时评估预警；手动图像采集模块主要用于实现作物类别、病虫害类别、农药类别、肥料类别的识别分析；本实施例中，所采集到的作物图像包括高光谱图像和普通图像；
图像预处理模块，用于实现作物图像的去噪和/分割和/增强和/复原和/深度提取和/三维重构和/拼接；具体地，根据不同的数据分析目标调用不同的图像处理算法实现图像的去噪和/分割和/增强和/复原和/深度提取和/三维重构和/拼接处理；针对自动图像采集模块所采集到的作物图像，采用自动的方式完成图像的预处理；针对手动模式的图像采集模块是需要根据当前用户录入的请求调用不同的图像处理算法的。
图像分析模块，用于实现完成预处理后的作物图像的分析，得到目标数据；不同的目标数据对应不同的图像分析模型，一般的图像分析模型采用神经网络模型；
种植管理模块，用于根据当前种植地情况及可调用物资情况生成对应的种植区管理措施；
分析报告生成模块，用于定时生成对应的作物情况分析报告，基于作物情况分析报告可以获取到当前作物的整体的生长状态、病虫害情况、养分和水分缺失情况，以及濒临异常的植株所在的位置情况。每一种图像均携带有其地理位置信息，基于地理位置信息的识别进行当前图像是否属于当前种植区图像的判定，从而避免数据的混乱。
人工辅助模块，在用户录入的请求不包含在平台功能内时启动，根据用户的请求接通对应的人工专家，完成人工专家咨询辅助，整个咨询辅助过程采用录屏的方式采集，经预设的程序处理后，转化成图片+文本的格式储存在数据库，以备下次遇到相似的请求时，可直接调用。
本实施例中，无人机在进行作物图像采集时，首先需绘制当前种植区的作物分布图，然后基于作物分布图获取到每一株作物所在的地理坐标位置，基于该地理坐标位置为每一株植物配置对应的俯视图采集坐标、前侧图采集坐标、后侧图采集坐标、右侧图采集坐标和左侧图采集坐标，其中侧图的采集倾斜角度以目标图像能最大范围覆盖整株作物为目标进行计算，最后，基于所得的采集坐标集一一完成作物图像的采集。
本实施例中，手动图像采集模块运用时，用户点击对应的识别功能模块，进入图像引导采集界面，不同的识别功能模块对应不同的图像采集标准和图像采集流程。用户通过手动图像采集模块可以获取到植物的名称、简介、种植指南等；肥料的名称、用于当前作物的建议用量以及可用的时期等；农药的名称，是否适用于当前作物的生长期，建议用量等；病虫害类型，对应当前作物的防治指南等。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种基于图像处理的农业智能平台，其特征在于，包括：
图像采集模块，用于基于模板引导的模式完成作物图像的采集；
图像预处理模块，用于实现作物图像的去噪和/分割和/增强和/复原和/深度提取和/三维重构和/拼接；
图像分析模块，用于实现完成预处理后的作物图像的分析，得到目标数据；
种植管理模块，用于根据当前种植地情况及可调用物资情况生成对应的种植区管理措施。
2.如权利要求1所述的一种基于图像处理的农业智能平台，其特征在于，图像采集模块包括自动图像采集模块和手动图像采集模块，其中，自动图像采集模块通过调用无人机基于预设的图像采集流程实现作物图像的采集，其用于实现作物生长状态、病虫害情况、养分和水分缺失情况的定时评估预警；手动图像采集模块用于实现作物类别、病虫害类别、农药类别、肥料类别的识别分析。
3.如权利要求2所述的一种基于图像处理的农业智能平台，其特征在于，无人机在进行作物图像采集时，首先需绘制当前种植区的作物分布图，然后基于作物分布图获取到每一株作物所在的地理坐标位置，基于该地理坐标位置为每一株植物配置对应的俯视图采集坐标、前侧图采集坐标、后侧图采集坐标、右侧图采集坐标和左侧图采集坐标，其中侧图的采集倾斜角度以目标图像能最大范围覆盖整株作物为目标进行计算，最后，基于所得的采集坐标集一一完成作物图像的采集。
4.如权利要求2所述的一种基于图像处理的农业智能平台，其特征在于，手动图像采集模块运用时，用户点击对应的识别功能模块，进入图像引导采集界面，不同的识别功能模块对应不同的图像采集标准和图像采集流程。
5.如权利要求1所述的一种基于图像处理的农业智能平台，其特征在于，所述图像预处理模块根据不同的数据分析目标调用不同的图像处理算法实现图像的去噪和/分割和/增强和/复原和/深度提取和/三维重构和/拼接处理。
6.如权利要求1所述的一种基于图像处理的农业智能平台，其特征在于，还包括：
分析报告生成模块，用于定时生成对应的作物情况分析报告，基于作物情况分析报告可以获取到当前作物的整体的生长状态、病虫害情况、养分和水分缺失情况，以及濒临异常的植株所在的位置情况。
7.如权利要求1所述的一种基于图像处理的农业智能平台，其特征在于，还包括：
人工辅助模块，在用户录入的请求不包含在平台功能内时启动，根据用户的请求接通对应的人工专家，完成人工专家咨询辅助，整个咨询辅助过程采用录屏的方式采集，经预设的程序处理后，转化成图片+文本的格式储存在数据库，以备下次遇到相似的请求时，可直接调用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211126275.0A CN115424151A (zh) | 2022-09-16 | 2022-09-16 | 一种基于图像处理的农业智能平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211126275.0A CN115424151A (zh) | 2022-09-16 | 2022-09-16 | 一种基于图像处理的农业智能平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115424151A true CN115424151A (zh) | 2022-12-02 |
Family
ID=84204191
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211126275.0A Withdrawn CN115424151A (zh) | 2022-09-16 | 2022-09-16 | 一种基于图像处理的农业智能平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115424151A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117516627A (zh) * | 2023-11-10 | 2024-02-06 | 鄄城县自然资源和规划局 | 一种基于无人机数据的区域植被状态监测*** |
-
2022
- 2022-09-16 CN CN202211126275.0A patent/CN115424151A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117516627A (zh) * | 2023-11-10 | 2024-02-06 | 鄄城县自然资源和规划局 | 一种基于无人机数据的区域植被状态监测*** |
| CN117516627B (zh) * | 2023-11-10 | 2024-05-07 | 鄄城县自然资源和规划局 | 一种基于无人机数据的区域植被状态监测*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10755129B2 (en) | Disease recognition from images having a large field of view | |
| US10761075B2 (en) | Detecting infection of plant diseases by classifying plant photos | |
| US20200193589A1 (en) | Mapping field anomalies using digital images and machine learning models | |
| Tsouros et al. | Data acquisition and analysis methods in UAV-based applications for Precision Agriculture | |
| JP7086203B2 (ja) | 植物体耕作データ測定方法、作業経路計画方法及び装置、システム | |
| CN112639869A (zh) | 作物生长阶段判定***的服务器装置、生长阶段判定方法以及程序 | |
| GB2618896A (en) | System and method for crop monitoring | |
| CN111727457B (zh) | 一种基于计算机视觉的棉花作物行检测方法、装置及存储介质 | |
| CN111985724B (zh) | 一种农作物产量预估的方法、装置、设备及存储介质 | |
| CN113029971A (zh) | 一种作物冠层氮素监测方法及*** | |
| CN114818909B (zh) | 一种基于作物长势特征的杂草检测方法和装置 | |
| CN108629289B (zh) | 农田的识别方法及***、应用于农业的无人机 | |
| Xu et al. | Classification method of cultivated land based on UAV visible light remote sensing | |
| EP3528609A1 (de) | Ertragsvorhersage für ein kornfeld | |
| CN113469112B (zh) | 农作物生长状况图像识别方法及*** | |
| CN112204569A (zh) | 结合多光谱和地表语义的作业规划方法、装置及设备 | |
| CN113780097A (zh) | 基于知识图谱和深度学习的耕地提取方法 | |
| CN115424151A (zh) | 一种基于图像处理的农业智能平台 | |
| CN116739739A (zh) | 一种贷款额度评估方法、装置、电子设备及存储介质 | |
| CN117876823B (zh) | 一种茶园图像检测方法及其模型训练方法和*** | |
| CN115660236B (zh) | 作物物候期预测方法、装置、电子设备和存储介质 | |
| RU2805670C2 (ru) | Обнаружение заражения растений болезнями путем классификации фотоснимков растений | |
| CN114485612B (zh) | 路线生成方法、装置、无人作业车、电子设备及存储介质 | |
| WO2022010592A1 (en) | Automated spectral selection for feature identification from remote sensed images | |
| CN114926752A (zh) | 用于对无人机遥感图像的玉米苗、杂草检测和计数的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20221202 |